基于时频脊线的瞬时频率特征提取

根据时频脊线所在的位置信息与信号瞬时频率的对应关系,提出根据时频脊线提取多成分瞬时频率的新方法。该方法是,先通过加窗处理对一维时间信号进行时域分段,对每个时段信号采用自适应核函数时频分析,再把每个时段上求得的时频分布拼接成信号整体时频谱;然后将时频分布图转换成直观的二维图像,进行平滑处理后采用二维Laplacian算子提取时频图像的脊线并作细化处理;采用Hough变换自动检测时频脊线的特征参数,特别对正弦调频信号和线性调频信号的时频脊线检测问题进行论述。仿真试验和齿轮故障诊断的工程实践证明了该方法的可行性和有效性。     

广义参数化同步压缩变换及其在旋转机械振动信号中的应用

广义参数化时频分析通过构造匹配的参数化变换核,能够有效提高强调频信号的时频能量聚集性。然而,受短时傅里叶变换中窗函数结构的影响,利用该方法获得的时频能量分布在真实瞬时频率附近始终存在能量扩散现象。同步压缩变换利用同步压缩操作可将短时傅里叶变换处理后的时频能量压缩至真实瞬时频率位置,然而,同步压缩变换仅适用于分析频率成分恒定的纯谐波信号。以短时傅里叶变换为纽带,将两种时频分析方法相结合,提出了广义参数化同步压缩变换。考虑到旋转机械振动信号多为多分量信号,通过迭代处理的方式,依次获取各单分量信号的时频能量分布,对其进行叠加得到最终的时频能量分布。通过数值仿真以及变转速下转子不对中、滚动轴承外圈故障模拟试验验证了所提方法的有效性。     

基于广义S变换的齿轮箱轴承故障诊断方法

齿轮箱轴承故障冲击信号通常具有非平稳和非线性的特点,若在强背景信号与噪声中,更加难以识别和提取。鉴于广义S变换具有良好的自适应性和时频聚集性,提出了一种基于广义S变换的齿轮箱滚动轴承故障诊断方法。对广义S变换的时窗函数进行讨论,分析了不同参数对调节窗函数宽度的影响;讨论了不同程度的轴承故障在广义S变换时频谱图上的能量分布;通过仿真和实验验证了所提方法的可行性。结果表明,广义S变换方法能有效地反映不同轴承故障的特征频率,为齿轮箱的轴承故障诊断提供一种有效的方法。     

变工况下滚动轴承的故障特征提取

滚动轴承常被用于风力涡轮机、发动机等旋转机械中,由于负载、电流变化等因素将导致旋转设备中的滚动轴承在变速条件下运行。在变转速的工况下,现有时频分析、共振解调等故障诊断方法并不能有效提取故障特征,且考虑到强大背景噪声下存在故障特征提取困难的问题,本文提出了一种基于广义变分模态分解(Generalized variational mode decomposition, GVMD)和分数阶傅里叶变换(Fractional fourier transform, FRFT)的变工况故障特征提取方法。首先将在变工况下故障特征频率呈非线性分布的原始振动信号广义解调为近似线性分布,其次对解调后的信号进行变分模态分解(Variational mode decomposition, VMD)得到本征模态函数分量(Intrinsic mode functions, IMF),根据相关系数准则选取最优的分量进行分数阶域的滤波,最后通过分析滤波后信号的1.5维包络谱提取故障特征频率。通过滚动轴承仿真数据和实验数据的验证表明本文所提方法能够有效提取变工况下滚动轴承的故障特征频率。     

直扩系统中线性调频干扰抑制技术研究

分数阶傅里叶变换(FRFT)对LFM干扰具有能量聚集性的优点,因此可以在分数阶域对LFM干扰进行抑制。针对信号截断频谱泄露的问题,对信号进行加窗处理,而加窗会损失部分有用信号的能量,因此采用分段重叠加窗的方法来实现干扰抑制。仿真分析表明,该方法能够有效抑制LFM干扰。     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

高速列车转向架区气动噪声分离研究

提出了一种基于快速路径优化的自适应短时傅里叶变换时频分析方法,并将该方法用于行星齿轮箱的故障诊断。该时频分析方法通过使用快速路径优化获得瞬时频率变化规律,在短时傅里叶变换过程中自适应的改变时窗长度,从而获得更恰当的时频分辨率。针对行星齿轮箱运行状态不稳定的特点,通过使用笔者提出的时频分析方法可以有效地提取出行星齿轮箱的转速信息,利用参考转速对故障信号角度域重采样和阶次分析,从而实现变转速情况下的行星齿轮箱故障诊断。仿真分析表明,与传统短时傅里叶变换相比基于快速路径优化的自适应短时傅里叶变换得到的时频分布能量更加集中;试验分析证明了基于快速路径优化的自适应短时傅里叶变换方法在行星齿轮箱故障诊断中的有效性。     

基于阶次跟踪和变换时频谱的轴承故障诊断

综合利用阶次跟踪和Teager-Huang变换时频分析技术,进行齿轮箱起动过程轴承故障诊断.首先,对齿轮箱升降速瞬态信号进行时域同步采样,并对时域信号进行等角度重采样转化为角域平稳信号,再对角域信号进行EMD分解,将振动信号分解成不同特征时间尺度的单分量固有模态函数.然后,用Teager能量算子计算各固有模态函数的瞬时频率和瞬时幅值,进而得到Teager-Huang变换时频谱.通过对齿轮箱起动过程轴承故障振动信号的分析表明,该方法能有效地识别轴承故障.     

基于SG滤波器和组合窗STFT的滚动轴承故障诊断方法

针对随机噪声和传统窗函数对STFT分解质量的影响,提出了一种基于SG滤波和组合窗STFT的滚动轴承故障诊断方法。首先用SG滤波器去除原始振动信号中随机噪声的干扰,再利用长、短窗函数得到一个组合窗函数提高STFT的时频分辨率。对仿真信号和试验轴承振动信号的分析结果表明,该方法能有效地提取滚动轴承故障特征。     

基于改进S变换的电能质量扰动分类新方法

提出一种改进的S变换(MST)方法并应用在电能质量扰动识别中。针对S变换(ST)窗函数固定、时频分辨率不能调节的问题,对S变换中的窗函数引入参数p、q进行改进,使时频分辨率的调节更加灵活。提出确定p、q的评价指标,使得p、q的求取具有一定自适应性和理论依据。用MST提取电能质量扰动的特征向量,根据电能质量扰动信号的MST分析结果,提出4种扰动特征作为特征向量,解决了特征向量冗余的问题。仿真数据和工程数据实验分析结果表明,该方法具有更好的抗强噪声性,使电能质量扰动分类精度更高。为复杂信号特征提取提供了一种有效途径,也为电能质量分类提供了一种新的方法。     

混沌与噪声信号的谐波小波分析

研究周期信号的理想工具为Fourier变换。但对于非周期信号,需要一种具有良好时频特性的函数基来进行分解,Fourier变换所用的三角函数基不能满足此要求。而近些年提出的小波函数很好地解决了非周期信号的时频分解问题。混沌信号与噪声之间差别过于微小,人们在工作和实验中常常将他们混淆。在本文中通过对混沌信号与噪声进行谐波小波分析,最后根据分解结果,可从时频特性方面对混沌与噪声的差别作进一步说明。     

风力机叶片疲劳裂纹AE信号的小波变换优化方法

为实现风力机叶片的及时有效地监测和维护,使用声发射技术采集疲劳裂纹信号,从而提取裂纹特征。而声发射信号的突发性和冲击性需要具有时频分析能力的信号处理方式来提纯和降噪,小波变换方法作为常用的时频处理方式油漆有效性,但是现有的小波基函数不足以适应该信号的分析。提出基于Shannon熵理论计算疲劳裂纹扩展的声发射信号的小波基函数带宽参数,得到最适合此裂纹声发射信号的Morlet小波基函数,计算优化基函数的小波,获得风力机疲劳裂纹特征成分在时间尺度平面的高幅值能量分布。实验研究表明,优化小波基的方法具有很好的时频聚集性和抗噪能力,实现了风力机叶片裂纹声发射信号的时频特征清晰准确的提取。     

短时傅里叶变换的时频聚集性度量准则研究

为了使短时傅里叶变换(short time Fourier transform,简称STFT)获得良好的时频聚集性,必须根据信号的具体特点来选择窗长。分析了现有窗长选择准则的选择机理及其优缺点,发现归一化3阶Renyi熵准则与Stankovic准则一般只会取到窗长选择范围的最大值,并分析了出现这种问题的原因,而其他准则得到的也不是最优的窗长。提出了一种新的基于对数窗能量的窗长选择准则。对数窗能量与窗长是一种非线性关系,这显著区别于普通窗能量随窗长线性增长的特性,且其增长速度与窗型无关,并在短窗和长窗具有不同的增长速度,因而能够在短窗和长窗之间取得良好的折衷。提供了仿真信号和实际信号的处理实例,其结果证明对数窗能量准则使STFT获得了良好的时频聚集性,效果优于现有的窗长选择准则。     

基于LabVIEW编程的仿真信号与实测信号的分析

利用LabVIEW编程实现了对分析信号加各种窗函数前后FFT频谱分析的对比,通过仿真信号对其进行验证,并将所选最优的窗函数运用到高空行吊设备轨道的谱分析中。     

基于时频分布的电能质量分析方法探究

在对电能质量分析所涉及的内容及变换域分析方法的基础上,将电网上的波形信号作为非平稳信号进行了分析和处理,并阐述了常用的分析方法,同时介绍了基于变换域的比较实用的4种时频分析方法,并对每种变换方法分别从定义、特点、存在的问题、相互间的比较及应用方面进行了详细的介绍。为电能质量分析与电能质量控制过程中选择适当的时频分析方法提供了有效的参考和依据。     

基于包络加窗同步平均的行星齿轮箱特征提取

行星齿轮箱由于行星轮通过效应、太阳轮与行星架的旋转及时变工况,导致其振动响应存在时变传递路径及非平稳性等特点,且传统的同步平均将不能直接应用于行星齿轮箱。笔者在国外加窗同步平均的基础上提出一种能有效克服时变传递路径及非平稳性的基于包络信号角域加窗同步平均的行星齿轮箱故障特征提取方法。首先,基于谱峭度提取出行星齿轮箱振动信号的包络信号;其次,再利用计算阶比跟踪技术对包络信号进行等角度重采样,行星架每旋转一圈,选择合适的窗函数对角域信号进行多齿宽加窗截取;最后,验证齿轮啮合齿序特征,根据重排齿序对加窗信号进行重构振动分离信号,对振动分离信号进行角域同步平均,提取行星齿轮箱故障特征。行星齿轮箱故障实测信号分析表明,该方法能有效提取行星齿轮箱故障特征。     

基于时频分析的线性调频信号检测

目前经典信号处理技术即时域和频域分析方法,已不能满足信号检测的需要,时频联合的分析方法逐渐成为分析很多信号的强有力工具,尤其是处理频谱随时间变化的非平稳信号,例如处理线性调频信号(LFM).本文对LFM信号的时域特性和时频联合特性进行比较,将模糊度函数分析方法引入到非平稳信号分析中来,并通过对实际雷达信号的检测,来说明LFM信号采用时频分析的优越性.     

伸缩窗口短时Fourier分析

在短时Fourier变换（STFT）的基础上,通过对窗函数在时间尺度上引入伸缩变换,从而获得一个在相空间可变的窗口（即可调时－频窗）,实现时频分辨率随信号频率变化自动可调,克服STFT分析所有频率窗口的大小形状固定不变的缺陷,为非平衡信号的处理提供了强有力的工具。     

测试系统中非平稳信号的时频优化小波包检测算法

非平稳信号为测试系统所测试分析的主要目标之一.对于这些信号传统的检测方法(例如:傅里叶变换)不能起到有效的分析作用.小波包变换是非平稳信号分析的常用工具.Shannon小波函数是现有的单小波家族中唯一能够对信号频域进行严格划分的小波函数,但是由于其时域的非紧支性限制了其应用.本文通过对Shannon小波函数的时频联合优化,改善了其在非平稳信号检测过程中的性能;首先在时域上,改写其时域表达式,并保留其频域的紧支性,提升了其时域的紧支性;其次在频域上,提出了对Shannon小波函数频域滤波器的插值算法,改善其频域的滤波性能;再次,通过牛顿插值法给出了算法的快速实现;最后,做出了仿真实例.结果表明,通过本文的算法,改善了Shannon小波包变换的性能,使其成为测试系统关于非平稳信号检测的有效手段.     

参数化的短时傅里叶变换及齿轮箱故障诊断

提出了一种基于快速路径优化的自适应短时傅里叶变换时频分析方法,并将该方法用于行星齿轮箱的故障诊断。该时频分析方法通过使用快速路径优化获得瞬时频率变化规律,在短时傅里叶变换过程中自适应的改变时窗长度,从而获得更恰当的时频分辨率。针对行星齿轮箱运行状态不稳定的特点,通过使用笔者提出的时频分析方法可以有效地提取出行星齿轮箱的转速信息,利用参考转速对故障信号角度域重采样和阶次分析,从而实现变转速情况下的行星齿轮箱故障诊断。仿真分析表明,与传统短时傅里叶变换相比基于快速路径优化的自适应短时傅里叶变换得到的时频分布能量更加集中;试验分析证明了基于快速路径优化的自适应短时傅里叶变换方法在行星齿轮箱故障诊断中的有效性。